WAIC 2026|薩頓：AI正轉向“經驗時代”

過去幾年，大模型的發展建立在海量數據、超大算力和持續投入之上。當高質量人類數據逐漸接近瓶頸，人工智能下一階段將依靠什么繼續進化？

在2026世界人工智能大會暨人工智能全球治理高級別會議主論壇上，2024年圖靈獎得主、“強化學習之父”、阿爾伯塔大學計算機科學教授理查德·薩頓（Richard Sutton）提出，人工智能正迎來從“數據時代”向“經驗時代”的范式轉變。未來，AI不應僅依賴人類已有知識進行訓練，而需要通過與真實世界持續交互獲取經驗，在反饋中不斷學習、修正和成長。

薩頓認為，當前AI已經展現出巨大的產業價值，但其突破更多來自計算能力和模式識別能力的提升，距離真正意義上的智能仍有距離。隨著現有數據訓練范式逐漸逼近邊界，經驗驅動的持續學習，將成為下一階段人工智能演進的重要方向。

目前的AI更多是“計算”

演講中，薩頓首先回應了當前人工智能快速發展的市場共識。他表示，自己認同人工智能正在快速變化，也取得了令人矚目的進步，但與此同時，社會對于AI能力的認知也存在一定程度的夸大。一方面，人們容易高估AI發展的速度；另一方面，圍繞AI風險和未來的討論，也進一步放大了這種預期。

在薩頓看來，近年來人工智能最大的突破，體現在機器已經能夠熟練使用語言，并具備生成圖片、視頻等內容的能力。這些技術不僅催生了新的產業形態，也創造了切實的經濟價值。

不過，他強調，應當區分“計算”和“智能”。

他認為，目前大多數AI能力，本質上仍然建立在大規模計算和模式識別基礎之上，而不能簡單等同于真正意義上的智能。“我們不能把智能和計算混淆。”薩頓表示，人工智能科學本身并沒有像外界想象的那樣快速進步，人類對于真正智能系統的理解仍然十分有限。

在他看來，當下的大模型更多是在利用人類已有知識，并重新組織后呈現給用戶，而不是依靠自身發現新的知識。從這個意義上說，現階段AI仍然存在不少局限。

什么是真正的“智能”？

既然談論人工智能，首先需要回答的問題便是：什么是智能？薩頓表示，他并不打算給出唯一答案，而是希望通過不同學科對于智能的定義，引發更多思考。

演講中，他首先引用了心理學早期關于“心智”的理解——為了實現同一個目標，可以采取不同的方法。隨后，他又提到圖靈提出的“模仿游戲”，指出外界后來普遍使用的“圖靈測試”這一說法，與圖靈最初的表述并不完全一致。

他同時提到，詞典通常將智能定義為“獲取和運用知識與技能的能力”；人工智能領域則曾將其概括為“通過計算實現目標的能力”。

而在薩頓看來，智能更準確的定義應是：通過行為不斷適應環境，從而實現目標的能力。

基于這一理解，他提出，應建立一門覆蓋人類、動物以及機器的“綜合性心智科學”。因為無論是哪一種智能，其共同特征都是圍繞目標，在與環境持續互動中采取行動，并不斷調整自身行為。

他認為，目前心理學、人工智能、認知科學等學科都無法完全覆蓋這一研究對象，而強化學習正是這一綜合性心智科學的重要開端。

數據時代正在接近邊界

談及人工智能未來的發展方向時，薩頓提出了整場演講最核心的觀點。他認為，目前AI仍然處于“人類數據時代”。

這一階段，大模型主要通過預測人類語言、利用人類標注數據以及專家微調完成訓練，本質上仍是把知識從人類轉移到機器。

但這種訓練方式正在逼近極限。薩頓表示，高質量的人類數據已經被大量使用，僅依賴靜態數據集，無法持續產生新的知識。因此，未來AI需要新的數據來源。

在他看來，這個新的來源，就是經驗。未來智能體需要通過自身與真實世界的持續交互，不斷獲取第一視角的數據，包括觀察、行為以及反饋，并據此持續學習。這種經驗不是靜態數據，而是在智能體與環境持續互動過程中不斷生成的數據流。“嬰兒不斷嘗試不同玩具，其行為決定了能夠接觸到哪些信息，也決定了學習內容。這些數據不是預先準備好的靜態數據集，而是在互動過程中自然產生，并且最符合自身能力發展需要。”

類似的過程同樣存在于動物、人類運動乃至人與人交流中。無論足球運動員臨場決策、棒球擊球，還是人與人交談，本質上都是高帶寬的信息處理過程，需要根據環境快速采取行動，實現既定目標。他認為，這種持續交互形成的經驗，正是智能最核心的組成部分。

同時，真正的智能不僅需要觀察環境，更需要知道哪些行為是好的、哪些行為能夠實現目標。而這一能力依賴獎勵機制。他認為，目前的大語言模型并沒有真正意義上的獎勵信號，因此無法判斷自身行為是否正確，也無法形成真正的目標導向，這也是其能力存在局限的重要原因之一。

類似的問題還體現在事實準確性方面。沒有經驗，就無法驗證自己的預測是否真實發生，也無法知道哪些知識是真實有效的；而經驗型AI則能夠通過真實世界反饋不斷修正預測，逐步建立更加可靠的知識體系。

“經驗時代”正在到來

薩頓提到，早在1947年，計算機科學先驅艾倫·圖靈就曾提出，希望機器能夠“從經驗中自主學習”。在他看來，這一理念當時并未成為現代AI發展的核心路徑，而如今正在重新成為人工智能發展的關鍵方向，尤其是在機器人和工業應用領域。

演講最后，薩頓再次強調，人工智能的發展正在從依賴人類數據訓練，轉向依賴經驗持續學習。這種變化意味著，未來AI能夠持續獲取新知識，不斷提升自身能力，而不是停留在已有知識的重復利用。

不過，他同時認為，當前AI距離真正意義上的自主智能仍有距離。現階段AI仍然存在不可靠、容易產生錯誤等問題，但已經展現出巨大的產業價值，并推動越來越廣泛的社會應用。“我們還沒有進入真正的超級智能時代，也還沒有進入智能增強人類的時代，但我們正在朝這個方向前進。”薩頓表示，人類正第一次真正接觸這一代人工智能，也將共同見證“經驗時代”的到來。

涉及六大行業！工信部等五部門聯合啟動工業5G獨立專網試點

總編視點：MWC上海展成分水嶺，Token時代運營商進入發展新周期

最新！三大運營商領導班子一覽

責編/版式：孫 天

審校：梅雅鑫

監制：劉啟誠

【媒體矩陣】

今日頭條 | 微博 | 微軟MSN | 百家號

網易號 | 人民號 | 騰訊新聞 | 搜狐

新浪看點 | 雪球號 | 知乎

【運營團隊】

編輯｜梅雅鑫 孫天 朱文鳳

審校 | 梅雅鑫

監制｜劉啟誠